ARC (AI2 Challenge) 排行榜
截至 2026年11月16日,ARC (AI2 Challenge) 的最高分为 95.3%,由 DeepSeek V3 和 Llama 3.1 405B 并列取得,领先于 Qwen2.5 72B(94.5%)。共有 77 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2024年12月26日)。小学科学题的挑战集。ARC (AI2 Challenge) 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- DeepSeek V3 和 Llama 3.1 405B 以 95.3% 并列 ARC (AI2 Challenge) 最高分(Epoch AI Benchmarking Hub,2026年11月16日)。
- ARC (AI2 Challenge):小学科学题(挑战集)。2018 年的基准测试,对当前模型已饱和,保留作为历史记录(Epoch AI Benchmarking Hub)。
- BenchLeader 上有 77 个模型配置公布了 ARC (AI2 Challenge) 结果(BenchLeader,2026年11月16日)。
- ARC (AI2 Challenge) 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
小学科学题(挑战集)。2018 年的基准测试,对当前模型已饱和,保留作为历史记录。
- 类别
- 推理
- Index 权重
- 仅作参考
- 模型
- 77
- 数据截至
- 2026年11月16日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
小学科学题的挑战集。
评分方式
准确率,由 Epoch AI 根据已公布的结果汇编。
注意事项
已饱和:前沿模型的得分接近上限,所以它只能区分较旧或较小的模型,而且结果大多由提供商自报。
- 1DeepSeek V395.3%
- 2Llama 3.1 405B95.3%
- 3Qwen2.5 72B94.5%
- 4Deepseek v292.2%
- 5Phi 3 (medium)91.6%
- 6Phi 3 Small90.7%
- 7GPT 3.5 Turbo 110687.4%
- 8Mixtral 8x7B87.3%
- 9Claude Instant 1.286.3%
- 10Stable Beluga 286.1%
- 11Claude Instant 1.185.7%
- 12PaLM 540B85.2%
- 13text-davinci-00285.2%
- 14Phi 3 Mini84.9%
- 15Qwen-14B84.4%
77 / 77
| # | ||||
|---|---|---|---|---|
| 1 | 95.3% | 44.3 | 2024-12-26 | |
| 2 | 95.3% | 41.8 | 2024-07-23 | |
| 3 | 94.5% | 43.1 | 2024-09-19 | |
| 4 | 92.2% | – | 2024-05-07 | |
| 5 | 91.6% | 37.8 | 2024-04-23 | |
| 6 | 90.7% | – | 2024-04-23 | |
| 7 | 87.4% | 38.4 | 2023-11-06 | |
| 8 | 87.3% | 30.8 | 2023-12-11 | |
| 9 | 86.3% | – | 2023-08-09 | |
| 10 | 86.1% | – | 2023-07-20 | |
| 11 | 85.7% | – | – | |
| 12 | 85.2% | – | 2022-04-04 | |
| 13 | 85.2% | – | 2022-03-15 | |
| 14 | 84.9% | 36.7 | 2024-04-23 | |
| 15 | 84.4% | – | 2023-09-28 | |
| 16 | 82.8% | 34.8 | 2024-04-18 | |
| 17 | 81.7% | – | 2023-09-18 | |
| 18 | 78.6% | 28.9 | 2023-09-27 | |
| 19 | 78.3% | 33.4 | 2023-07-18 | |
| 20 | 78.3% | – | 2024-02-21 | |
| 21 | 75.9% | – | 2023-12-12 | |
| 22 | 75.3% | – | 2023-09-28 | |
| 23 | 70.5% | 42.5 | 2024-09-18 | |
| 24 | 69.5% | – | 2023-07-05 | |
| 25 | 69.5% | – | 2023-02-24 | |
| 26 | 69.2% | – | 2023-05-17 | |
| 27 | 67.8% | – | 2023-09-06 | |
| 28 | 67.5% | – | 2023-02-24 | |
| 29 | 66.0% | – | 2024-09-18 | |
| 30 | 64.9% | – | 2023-05-17 | |
| 31 | 64.3% | – | 2024-06-17 | |
| 32 | 61.9% | – | 2023-03-15 | |
| 33 | 61.0% | – | 2023-06-24 | |
| 34 | 60.9% | – | 2024-09-18 | |
| 35 | 60.3% | – | 2023-07-18 | |
| 36 | 59.6% | – | 2023-05-17 | |
| 37 | 57.3% | – | 2024-06-13 | |
| 38 | 55.6% | – | 2024-03-01 | |
| 39 | 55.5% | – | 2024-02-26 | |
| 40 | 54.5% | – | 2024-11-29 | |
| 41 | 54.5% | – | 2023-07-18 | |
| 42 | 53.2% | – | 2022-01-27 | |
| 43 | 53.2% | – | 2023-11-30 | |
| 44 | 52.9% | – | 2024-09-18 | |
| 45 | 52.7% | – | 2023-02-24 | |
| 46 | 52.5% | – | 2022-04-04 | |
| 47 | 50.6% | – | 2023-06-22 | |
| 48 | 50.3% | – | 2023-11-02 | |
| 49 | 47.9% | – | 2023-04-24 | |
| 50 | 47.6% | – | 2023-02-24 | |
| 51 | 47.2% | – | 2024-02-20 | |
| 52 | 45.9% | – | 2023-07-18 | |
| 53 | 45.2% | – | 2024-09-18 | |
| 54 | 44.4% | – | 2023-09-11 | |
| 55 | 43.2% | – | 2023-04-12 | |
| 56 | 42.6% | – | 2023-05-05 | |
| 57 | 42.2% | – | 2023-11-02 | |
| 58 | 42.1% | – | 2024-02-21 | |
| 59 | 41.2% | – | 2023-06-27 | |
| 60 | 41.1% | – | 2022-04-07 |
引用格式:BenchLeader,《ARC (AI2 Challenge) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/arc_ai2。
ARC (AI2 Challenge):常见问题
- ARC (AI2 Challenge) 衡量的是什么?
- 小学科学题的挑战集。分数以完成任务的百分比表示,越高越好。
- ARC (AI2 Challenge) 的最高分是多少?
- 截至 2026年11月16日,ARC (AI2 Challenge) 的最高分为 95.3%,由 DeepSeek V3 和 Llama 3.1 405B 并列取得,领先于 Qwen2.5 72B(94.5%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 ARC (AI2 Challenge) 上领先?
- 截至 2026年11月16日,DeepSeek V3 和 Llama 3.1 405B 以 95.3% 并列 ARC (AI2 Challenge) 第一。
- 有多少模型有 ARC (AI2 Challenge) 结果?
- BenchLeader 上有 77 个模型配置有 ARC (AI2 Challenge) 结果,全部取自 Epoch AI Benchmarking Hub。
- ARC (AI2 Challenge) 由谁运行,多久更新一次?
- ARC (AI2 Challenge) 由 Epoch AI Benchmarking Hub 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- ARC (AI2 Challenge) 是否计入 BenchLeader Index?
- 不计入。ARC (AI2 Challenge) 仅作参考展示,不计入综合分数。